# 通过低级接口 plotly.graph_objects 接入 plotly 库，命名为 go
import plotly.graph_objects as go

# 三种创建字典的方式

#【法1】基本方式
d1 = {'a':1,'b':2,'c':3}  
    # 其中 'a','b','c' 作为关键字 (key)；1,2,3 作为值 (value)。

#【法2】不用写引号
d2 = dict(a=1,b=2,c=3)

#【法3】分别定义关键字和值
keys = ['a','b','c']
values = [1,2,3]
d3 = dict(zip(keys,values))

print(d1)
print(d2)
print(d3)

{'a': 1, 'b': 2, 'c': 3}
{'a': 1, 'b': 2, 'c': 3}
{'a': 1, 'b': 2, 'c': 3}

# 列表 & 字典 例子：动物和叫声
animal_with_sound = {'猫':'喵喵喵','狗':'汪汪汪','鸭':'嘎嘎嘎'} # 字典
sound = ['喵喵喵','汪汪汪','嘎嘎嘎'] # 列表

sound[0]  # 列表中的元素只能通过其 位置序号（=索引=index, 复数 indices）来查找，从 0 开始。

'喵喵喵'

animal_with_sound['猫']  # 字典中的的元素可以按关键字查找，关键字更好记。

'喵喵喵'

# go.Sankey() 函数的参数设置

sankey_data = go.Sankey(   # 定义 sankey_data 变量

  #【外参数1：node 节点】
    node = dict(

      #【一级内参数】
        label = ['A1','A2','B1','B2','C1','C2'],  
            #【label】节点标签：列表。
            # 此处命名使用的 A/B/C 代表三个不同阶段；数字代表同一阶段内的不同节点。

        color = ['yellow', 'yellow', 'tomato', 'tomato', 'cornflowerblue', 'cornflowerblue'],      
            #【color】节点颜色：字符串 或 列表；列表应和 label 列表中元素数量相同；
            # 只写一个字符串则所有节点共用一个颜色；不写默认为黑色。

        pad = 30,   #【pad】节点之间的垂直间距：数值（单位为像素）。
        thickness = 20,   #【thickness】节点的粗细：数值（单位为像素）。

        line = dict(   #【line】节点的外框线：⭕字典。
            
          #【二级内参数】
            color = 'black',  #【color】外框线的颜色：字符串 或 列表；和上面的节点颜色参数类似。
            width = 5,   #【width】外框线的宽度。
            )
    ),

  #【外参数2：link 链接】
    link = dict(
        
        source = [0, 1, 0, 2, 3, 3], 
            #【source】源节点：数字列表。
            # 填写 label 中每个节点名称对应的 ⭕位置序号（=索引=indices），
            # 此处对应了 ['A1','A2','A1','B1','B2','B2'] 这些节点标签。

        target = [2, 3, 3, 4, 4, 5],
            #【target】目标节点：数字列表。
            # 填写 label 中每个节点名称对应的 ⭕位置序号（=索引=indices），
            # 此处对应了 ['B1','B2','B2','C1','C2','C2']。

        value = [8, 4, 2, 8, 4, 2],
            #【value】链接流量值：数字列表。
            # 与 source 和 target 列表中元素数量对应。

        color = ['sandybrown', 'sandybrown', 'sandybrown', 'thistle', 'thistle', 'thistle'],
            #【color】链接颜色：字符串 或 列表；颜色数量应当和链接数量对应。

        arrowlen = 15 
            #【arrowlen】链接箭头的长度（从源节点指向目标节点）。默认为 0，表示没有箭头。
    )
)

print(type(sankey_data),'\n')  # 查看 sankey_data 变量的数据类型。'\n' 是换行符。
print(sankey_data)  
    # sankey_data 变量是一个包含了 Sankey 图所需的数据的 "Sankey 对象"，其形式类似 Python 字典。
    # 其参数以字典形式进行了多重嵌套。

<class 'plotly.graph_objs._sankey.Sankey'> 

Sankey({
    'link': {'arrowlen': 15,
             'color': [sandybrown, sandybrown, sandybrown, thistle, thistle,
                       thistle],
             'source': [0, 1, 0, 2, 3, 3],
             'target': [2, 3, 3, 4, 4, 5],
             'value': [8, 4, 2, 8, 4, 2]},
    'node': {'color': [yellow, yellow, tomato, tomato, cornflowerblue,
                       cornflowerblue],
             'label': [A1, A2, B1, B2, C1, C2],
             'line': {'color': 'black', 'width': 5},
             'pad': 30,
             'thickness': 20}
})

# 用 go.Figure() 创建一个 Figure 对象，并将 sankey_data 变量作为参数传入。

fig = go.Figure(sankey_data)
    # 默认第一个参数为 'data' 参数。可以直接写 go.Figure(sankey_data) ，
    # 也可以写 go.Figure(data = sankey_data)


fig.update_layout(
  #【设置图片大小】
    width=600, height=400,  
  #【设置图片标题】  
    title_text="Figure 1.5-1. 示例桑基图",
    title_x=0.5, title_y=0.1,
    font={'style':'italic'},  # 这也是一个嵌套字典
) 
fig.show(renderer='notebook')  # 展示图片

  #【⭕renderer='notebook'】
  # 使用 VS Code 编辑 notebook 并导出为 html 时，VS Code 默认 renderer='vscode'，
  # 需要改成 renderer='notebook'，这样使用 vscode 导出 notebook 为 html 格式时，
  # 才可以显示出 plotly 可交互图表。如果直接使用 jupyter 导出 notebook 为 html，
  # 则默认 renderer='notebook'，无需指定参数即可导出兼容 plotly 可交互图表的 html。

go.Sankey(

      # 节点 node
        node = dict(
            label = 节点名称 列表,  
            color = 颜色名称 列表/字符串, 
            pad = 节点垂直间距 数值, 
            thickness = 节点粗细 数值, 

          # 节点外框线 
            line= dict(
                color = 节点外框线颜色 列表/字符串,  
                width = 节点外框线宽度 数值
            )
        )

      # 链接 link
        link = dict(
            source = 源节点 列表,  
            target = 目标节点 列表,  
            value = 链接流量值 列表,
            color = 链接颜色 列表/字符串,
            arrowlen = 链接箭头长度 数值
        )
    )

#【1】创建一个列表变量，储存将来用于填入 label 参数的列表
node_names = ["A1", "A2", "B1", "B2", "C1", "C2"]  # 节点名称

#【2】创建一个变量，储存【1】中创建的列表中，每个元素的 index
node_ids = range(len(node_names))

    #【内函数：len()】
    # 获取列表 node_names 的元素数量，一共有六个元素，所以 len(node_names) = 6

    #【外函数：range()】
    # 其语法为：range(起始值,终止值,步长)。
    # 得到一个从 起始值(包含)到 终止值(不包含)，按照步长 以此递增/递减(步长为负则递减) 的数字序列。
    # 只写一个参数的话默认填写的是 终止值，且起始值默认为 0，步长默认为 1。
    # 例如：range(6) = [0, 1, 2, 3, 4, 5]，此处正好代表了 node_names 中的 index。
    # 注：range() 返回的值严格来说并不是一个列表，而是一个可迭代 range 对象。


#【3】创建一个整合【1】和【2】的字典，让我们可以通过输入 节点名称 来查找对应的 index
nodes = dict(zip(node_names, node_ids))

# 通过上面三步操作，我们可以通过节点名称来查找节点对应的 index，方便记忆。
# 例如：查找 'B2' 节点的 index 
nodes["B2"]

#⭕注意：列表是有序的，有 index 顺序；而字典是无序的，没有 index 顺序，只能通过 key 值来查找。

3

#【第一步：定义变量储存每个参数的内容】

# 在上文中我们已经定义了 node_names 变量，直接可以用于填入 label 参数

# 定义一个储存节点颜色的变量
node_colors = ['yellow','yellow','tomato','tomato','cornflowerblue','cornflowerblue']

#⭕定义一个字典变量，储存所有要填写的内外参数和对应的内容，该字典中的 key 为 
# plotly 预设的参数名称，value 为我们要输入的内容。
node_definition = dict(
    pad = 15, 
	thickness = 20, 
	line = dict(color='black', width=5), #⭕color 和 width 也是 Plotly 预设参数
	label = node_names, #⭕填入上文定义的 储存节点名称的 变量
    color = node_colors, #⭕填入刚刚定义的 储存节点颜色的 变量
)

# 同理，定义一些变量用于储存 链接 link 参数需要用到的内容
sources = [nodes['A1'],nodes['A1'],nodes['A2'],nodes['B1'],nodes['B2'],nodes['B2']]
targets = [nodes['B1'],nodes['B2'],nodes['B2'],nodes['C1'],nodes['C1'],nodes['C2']]
values = [8, 4, 2, 8, 4, 2]
link_colors = ['sandybrown','sandybrown','sandybrown',
                'thistle','thistle','thistle'] # 链接颜色数量应当和链接数量相同

#⭕所有要填入链接 link 外参数的内容
link_definition = dict(
    source = sources,  #⭕填入变量，下同。
	target = targets, 
	value = values,
	color = link_colors,
	arrowlen = 15,
)

#【第二步：把定义好的变量填入函数】

fig = go.Figure(
    go.Sankey(
        node=node_definition, 
        link=link_definition,
    )
)

# 调整图片
fig.update_layout(
  #【设置图片大小】
    width=600, height=400,  
  #【设置图片标题】  
    title_text="Figure 1.5-4. 示例桑基图 - 重绘版",
    title_x=0.5, title_y=0.1,
    font={'style':'italic'},  # 这也是一个嵌套字典
) 

fig.show(renderer='notebook')

import matplotlib.colors as c  # 引入 matplotlib.colors 模块，用于处理 RGBA 值

# 查找 'sandybrown' 颜色的 RGB 值，并将 alpha 值设为 0.5
c.to_rgba('sandybrown', 0.5)

(0.9568627450980393, 0.6431372549019608, 0.3764705882352941, 0.5)

# 定义一个变量储存 'sandybrown' 颜色的 RGBA 值
faint_sandybrown='rgba'+str(c.to_rgba('sandybrown',0.5)) # 加号用于连接两个字符串

print(faint_sandybrown)

rgba(0.9568627450980393, 0.6431372549019608, 0.3764705882352941, 0.5)

# 同理，定义一个变量储存 'thistle' 颜色的 RGBA 值
faint_thistle='rgba'+str(c.to_rgba('thistle', 0.5)) 

print(faint_thistle)

rgba(0.8470588235294118, 0.7490196078431373, 0.8470588235294118, 0.5)

link_colors  # 查看原来的 link_colors 变量

['sandybrown', 'sandybrown', 'sandybrown', 'thistle', 'thistle', 'thistle']

# 修改 link_colors 变量，使得 'sandybrown' 和 'thistle' 链接的颜色都有 50% 的不透明度
link_colors = [faint_sandybrown, faint_sandybrown, faint_sandybrown, 
                faint_thistle, faint_thistle, faint_thistle]

fig.update_traces(link_color = link_colors)  #⭕更新 link_colors 变量

# 调整图片
fig.update_layout(
  #【设置图片大小】
    width=600, height=400,  
  #【设置图片标题】  
    title_text="Figure 1.5-5. 示例桑基图 - 链接透明度 50%",
    title_x=0.5, title_y=0.1,
    font={'style':'italic'},  
) 

fig.show(renderer='notebook')

# 引入库，用于绘制网络图
from pyvis.network import Network
import networkx as nx

# 创建一个（边无向的）空网络。也可以用 gx=nx.MultiDiGraph() 创建一个 边有向 的空网络。
gx = nx.Graph()

# 向空网络 gx 中添加节点和边
gx.add_edge('a','b') # 向 gx 中添加从节点 'a' 指向节点 'b' 的边，下同。
gx.add_edge('b','d')
gx.add_edge('c','e')
gx.add_edge('e','a')
gx.add_edge('c','d')

gp = Network()  # 用 pyvis Network() 函数创建一个空的可交互网络图对象

gp.from_nx(gx)  # 把第一步中创建的网络 gx 存入 网络图 gp

# 输出网络图为一个单独的 html 文件。
gp.show('network.html', notebook=False)  # 注意要写 notebook=False

network.html

print(gp.nodes[0]) # 查看 网络图 中的第一个（index为0）节点的信息

{'color': '#97c2fc', 'size': 10, 'id': 'a', 'label': 'a', 'shape': 'dot'}

# 修改节点信息
gp.nodes[0]['color'] = 'red'
gp.nodes[0]['size'] = 20

# 重新输出修改后的网络图，输出文件打开后效果如下图 Figure 2.2-4
gp.show('network1.html', notebook=False)  

#⭕注意：为了和原图区分，命名为 network1.html
# 如果还写 network.html，将会覆盖原来的 network.html 文件。

network1.html

import pandas as pd  # 引入 pandas 库

# 定义文件路径（beer and curry）
path = 'E:/OneDrive - The University of Liverpool/Study/UoL/Year 3/S1 COMM327 Data Science and Visualisation/W11 Sankey & Network Diagrams/Files/beer AND curry.csv'

df = pd.read_csv(path)  # 读取 CSV 文件

# 只保留有连接的节点，去除没有艾特别人的帖子
df.dropna(subset='mentions',inplace=True)  
# 删除在 'mentions' 列中所有包含空值的行。inplace=True 表示保存修改并替换原来的df。

# 新建一个空网络用于储存 beer and curry 网络
gx1 = nx.MultiDiGraph()

# 定义一个循环，用于向空网络中添加所有节点和边

for i in df.index: # go through each tweet with connected nodes (df.index是df的所有index)
	user = df.loc[i, 'user'] # source node ()
	mentions = df.loc[i, 'mentions'] # target node(s) as a single string
	mentions = mentions.replace(' ','') # remove blank characters
	mentions = mentions.split('@') # list of target node(s)
	mentions.pop(0) # first entry is blank due to the method used
	for mention in mentions:
		gx1.add_edge(user, mention)

gp1 = Network() # 新建一个空网络图

gp1.from_nx(gx1) # 把 gx1 的 网络数据 存入 gp1

# 输出 html 文件
gp1.show('network2.html', notebook=False)  # 命名为 network2.html

network2.html

目录

W11 Sankey & Network Diagrams¶

1. 桑基图 Sankey Diagram

1.1 什么是桑基图

1.2 Plotly Graph Object

1.3 函数 (function) 和类 (class)

1.4 字典 (dictionary)

1.5 绘制桑基图

2. 网络图 Network Diagram

2.1 网络图和桑基图的异同

2.2 绘制网络图

2.3 直接从文件中读取网络关系